使用float类型的NaN创建空的大 pandas DataFrame的优雅方式 [英] Elegant way to create empty pandas DataFrame with NaN of type float

问题描述

我想创建一个充满NaNs的Pandas DataFrame。在我的研究中，我发现答案：

  import pandas as pd 
 
 df = pd.DataFrame（index = range（0,4），columns = [ 'A']）
  

此代码导致填充了类型对象的NaN的DataFrame。所以他们以后不能使用，例如使用 interpolate（）方法。因此，我用这个复杂的代码创建了DataFrame（灵感来自于这个答案）：

  import pandas as pd 
 import numpy as np 
 
 dummyarray = np.empty（（4,1））
 dummyarray [：] = np.nan 
 
 df = pd.DataFrame（dummyarray）
  

这导致一个DataFrame填充了类型float的NaN，所以它可以在以后使用 interpolate（）。是否有更优雅的方式来创建相同的结果？

解决方案

只需将所需的代理作为标量的第一个参数传递， code> 0 ， math.inf 或在这种情况下， np.nan 。然后，构造函数将值数组初始化为 index 和列指定的大小：

 >>> df = pd.DataFrame（np.nan，index = [0,1,2,3]，columns = ['A']）
>>> df.dtypes 
一个float64 
 dtype：对象
  

I want to create a Pandas DataFrame filled with NaNs. During my research I found an answer:

import pandas as pd

df = pd.DataFrame(index=range(0,4),columns=['A'])

This code results in a DataFrame filled with NaNs of type "object". So they cannot be used later on for example with the interpolate() method. Therefore, I created the DataFrame with this complicated code (inspired by this answer):

import pandas as pd
import numpy as np

dummyarray = np.empty((4,1))
dummyarray[:] = np.nan

df = pd.DataFrame(dummyarray)

This results in a DataFrame filled with NaN of type "float", so it can be used later on with interpolate(). Is there a more elegant way to create the same result?

解决方案

Simply pass the desired representative as a scalar first argument, like 0, math.inf or, in this case, np.nan. The constructor then initializes the value array to the size specified by index and columns:

 >>> df = pd.DataFrame(np.nan, index=[0,1,2,3], columns=['A'])
 >>> df.dtypes
 A    float64
 dtype: object

这篇关于使用float类型的NaN创建空的大 pandas DataFrame的优雅方式的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！